面向代码搜索的函数功能多重图嵌入

如何提高异构的自然语言查询输入和高度结构化程序语言源代码的匹配准确度,是代码搜索的一个基本问题.代码特征的准确提取是提高匹配准确度的关键之一.代码语句表达的语义不仅与其本身有关,还与其所处的上下文相关.代码的结构模型为理解代码功能提供了丰富的上下文信息.提出一个基于函数功能多重图嵌入的代码搜索方法.在所提方法中,使用早期融合的策略,将代码语句的数据依赖关系融合到控制流图中,构建函数功能多重图来表示代码.该多重图通过数据依赖关系显式表达控制流图中缺乏的非直接前驱后继节点的依赖关系,增强语句节点的上下文信息.同时,针对多重图的边的异质性,采用关系图卷积网络方法从函数多重图中提取代码的特征.在公开数据集的实验表明,相比现有基于代码文本和结构模型的方法,所提方法的MRR提高5%以上.通过消融实验也表明控制流图较数据依赖图在搜索准确度上贡献较大.

基于多重图的社交网络用户可信度评价方法研究——网络欺凌与隐私泄露视角

[目的/意义]提出基于多重图的社交网络用户可信度评价方法,为网络信息生态治理提供有效依据,为有害次生舆情管理提供理论基础。[方法/过程]构建了网络欺凌和隐私泄露特征抽取指标体系;利用多重图表示社交网络用户动态信息网络;根据提取到的网络欺凌和隐私泄露信息进行用户信息行为分析;利用德尔菲法确定网络欺凌行为与隐私泄露行为概率的权重,综合分析社交网络用户可信度。[结果/结论]实验结果表明,基于多重图的用户可信度评价结果与基于调查问卷的用户可信度评价结果基本一致,说明利用多重图的社交网络用户可信度评价方法具有一定的可行性。

基于多重图的物流链选择决策模型及算法研究

为了解决由物流链结构特性确定的最优物流链的选择问题,提出了基于多重图的物流链选择决策模型。通过讨论物流链的结构特性,在物流节点和物流路径均有费用出现的情况下,建立了同一位置有多个物流节点和物流路径可供选择的,以多重图作为拓扑形式的物流链选择决策模型。针对Dijkstra算法不能解决多重图中节点具有权值的问题,对算法进行改进,通过虚拟的方式将多重图转化为简单图,并将原节点的权值分解到简单图中相应的边上,使原问题转换为简单图的最短路径问题进行求解。最后,用一个算例进行了分析,算例表明,该算法对规模不大的物流链网络选择决策问题求解是可行的。

多重图的同构

证明了下列结论：２个多重图同构的充分必要条件是它们有相合的ＶＣ算法

有向图和多重图同构判定的一个优化方案

给出了有向图或多重图同构的一个必要条件.通过先将有向图或多重图转换为无向图,根据其邻接矩阵不等于零的特征根数量和符号差是否相等来判定其是否合同,进而判定其是否同构,由无向图的同构情况,排除某些有向图或多重图的同构可能.该方法可以优化有向图或多重图同构的判定过程.

完全二部多重图的K2,4-因子分解

如果完全二部多重图λKm,n的边集可以划分为λKm,n的Kp,q-因子,则称λKm,n存在Kp,q-因子分解。当p = 1、q = 2和p = 2、q = 3时,λKm,n的Kp,q-因子分解的存在性问题已被完全解决。当p = 1、q = 3和p = 1、q = 4时,Km,n的Kp,q-因子分解的存在性问题已被基本解决。文章研究当p = 2和q = 4时完全二部多重图λKm,n的K2,4-因子分解的存在性。证明完全二部多重图λKm,n存在K2,4-因子分解的充分必要条件是:1) m≡n≡0 (mod 2),2) m ≤ 2n,3) n ≤ 2m,4),m+n≡0 (mod 6),5) 3λm,n/[4(m+n)]是整数。

完全二部多重图的K_(1,p)~k因子分解(英文)

研究了完全二部多重图λKm ,n 的K1,k 因子分解 ,给出pkKm ,n 存在K1,pk 因子分解的必要条件和充分条件 :(1)m ≤pkn ;(2 )n≤pkm ;(3)pkm-n≡pkn-m≡ 0 (mod(p2k- 1) ) ;(4) (pkm-n) (pkn-m)≡ 0 (mod(pk- 1) (p2k- 1) (m +n) .其中p为质数 ,k为正整数 .

混合多重图的边着色

著名学者Daniel Krlá.,Jan Kratochvlí,Heinz-Jürgen Voss等曾在其著名论文《Mixed hypergraphs with bound-ed degree:edge-coloring of mixed multigraphs》中提出任何一个混合超图均可一一对应地转化成一个最大度不超过3的混合超图,且它们的着色亦是一一对应的。因此,研究最大度为3的混合超图的着色问题具有一般性,是困难的;而研究最大度为1的混合超图的着色问题是平凡的;所以我们着力研究最大度为2的混合超图。而最大度为2的混合超图的点着色问题可以一一对应地转化为一个与其对应的混合多重图的边着色问题,因此,本文作者着力研究混合多重图的边着色。

异质边多重图网络模型研究

在物流网络中,为实现物流节点之间的异质边的统一性度量,运用可拓学中的基元理论构建了一种基于物元特征的异质边多重完全图网络模型,该网络模型适用于物流中心和物流配送中心共同具有的功能,其功能有运输功能、储存功能、包装功能、流通加工功能、信息处理功能,功能特征之间是异质,每一个功能特征决定了两物流节点间相连接的一条边。在每个功能特征建立一个关联函数,关联函数值作为边权,实现了物流网络的统一性度量,同时也为物流网络优化提供便利。

构造一类△-临界多重图

设Ｇ是一个有限、无向、无环多重图，若χ′（Ｇ）＝△＋１，而对任何一边ｅ∈Ｅ（Ｇ），χ′（Ｇ－ｅ）＜χ′（Ｇ）则说Ｇ是△—临界的。本文对任意给定的正整数△≥３，构造出了一类△—临界多重图。

多重图的线图连通度

提出了多重图的线图的概念,研究了多重图的线图连通度的上界和下界.刻画了图的最小度与其线图连通度的关系:若δ(G)≥μ(﹂p/2」+1),则κL(G)≥Lδ(G)-2(μ-1),并通过构造出一系列的图,证明此结果是最好的:条件不能够被削弱,结论不能够被加强.同时,揭示了图的限制性边连通度就是线图连通度,推广了已有文献的结果.

P_3-等可填充多重图的一些结果

设H是多重图M的一个给定子图,若多重图M的任意一个极大H-填充都是最大H-填充,则称M为H-等可填充的.推广了简单图中H-等可填充的一些基本性质,得到P3-等可填充多重图需满足的边重数之间的关系.刻画了底图为C3和C4的P3-等可填充多重图及不含圈的最长路是2的P3-等可填充多重图,并得到了另外2个结论.

完全二部多重图的K_1,pq-因子分解(英文)

讨论了完全二部多重图λKm,n的K1,k-因子分解,给出pqKm,n存在K1,pq-因子分解的必要条件和充分条件。

完全二部多重图的K_(1,k)-因子分解

本文讨论了完全二部多重图λKm,n 的K1,k_因子分解 ,给出λKm,n 存在K1,k_因子分解的必要条件以及kKm,n 存在K1,k_因子分解的充分条件。

基于多重图排序的用户冷启动推荐方法

为使用户-物品评分、社会网络和社会化标签等异构信息融合到协同过滤推荐方法的最近邻寻找过程中,弥补冷启动用户单一维度信息的不足,提出一种多重图排序的冷启动推荐方法。通过分析用户之间可能存在的信任度构建关系网络,利用多重图排序模型得到目标用户的最近邻集合,进而产生目标用户的推荐列表。实验结果表明,与基于用户的协同过滤推荐方法相比,该方法能有效地提高冷启动用户的个性化推荐准确性和推荐覆盖率。

完全二部多重图的K_(2,3)-因子分解

如果完全二部多重图lKm,n的边集可以划分为lKm,n的Kp,q-因子,则称lKm,n存在Kp,q-因子分解.当p=1和q=2时,lKm,n的K1,2-因子分解的存在性问题已被完全解决.最近我们得到了当l=1时,Km,n存在K2,3-因子分解的充分必要条件.对于任意正整数l,本文证明完全二部多重图lKm,n存在K2,3-因子分解的充分必要条件是(i)2m≤3n,(ii)2n≤3m,(iii)m+n≡0(mod 5),(iv)5 lmn/[6(m+n)]是整数.

用构造性方法计算多重图Ramsey数的界

在图的边染色问题中,通常考虑的是每条边染且只染一种颜色。边的集染色是这种边染色的一种推广,使每条边对应的不一定是一种颜色,而是给定的颜色集的一个子集。多重图的边染色与边的集染色是等价的。多重图Ramsey数是经典Ramsey数的一种自然的推广,它是通过把完全图的边染色推广到完全多重图的边染色实现的。计算Ramsey数的准确值是NP难题,求多重图Ramsey数的准确值往往更加困难。用一些研究经典Ramsey数的方法来研究2-多重图Ramsey数的界,利用构造性方法证明了一些关于不同参数的2-多重图Ramsey数的不等式,并在此基础上得出了一些小参数多重图Ramsey数的准确值或上下界。

随机P_3-可分解的多重图

把多重图M转化为简单图L*(M),再利用已有随机P3-可分解简单图和随机可匹配简单图的相关结论,建立M和L*(M)之间随机P3-可分解和随机可匹配的等价关系.通过对多重图是否含圈进行分情形讨论,刻画出所有随机P3-可分解的多重图.

完全多重图λK_ν的{p_2~*,p_3}-因子分解

λKν是完全多重图.如果λKν的边集可以划分成一个p2-因子和若干个p3-因子的并,则称λKν存在{p2*,p3}-因子分解.文章主要研究完全多重图λKν的{p2*,p3}-因子分解的充分必要条件为:(1)λ≡1(mod 4),ν≡6(mod 12)或(2)λ≡3(mod 4),ν≡0(mod 12).

关于标号多重图的计数

M.Hegde和M.R.Sridharan得到标号偶有向图和偶超图的计数公式。柳柏濂推广了他们的结果。本文在这些结果的基础上研究了标号多重图的计数问题,并给出了这些图的计数公式。